Av
Martin Wallström
Begreppet härstammar från webbjättar som Google och Twitter och från början var det en tekniktrend, som gick ut på att genomföra analyser av både strukturerade och ostrukturerade data, exempelvis om försäljning, kampanjresultat eller webbklick.
Men tekniken har gått från att vara en nischprodukt, till att vara väg in i allt fler företags kärnverksamhet, däribland hälso- och sjukvård, offentlig sektor, handel och industri. Syftet blir i allt högre utsträckning att skapa bättre affärer, enligt en rapport från konsultjätten McKinsey. Där hävdas att verktygen också kan ge bättre affärsinsikter om kundernas beteenden, för att utvecklar nya produkter och tjänster.
Själva analyserna är i sig inte nya, men nytt är däremot att analyserna kan göras med högre nogrannhet än tidigare och att man inte bara behöver begränsa sig till relationsdata. Det går exempelvis att analysera stora mängder loggfiler eller sensordata för att få ökade insikter om vad kunderna eller besökarna vill ha. För att det ska ske så krävs enligt konsultföretaget att företaget tillför ny kompetens, eftersom tekniken dels kräver specialkompetens, dels eftersom stora data finns på så många ställen i så många olika former att det behövs personer som både förstår data- och affärsaspekterna.
Samtidigt skiljer sig tekniken från traditionellt beslutsstöd eftersom analyserna av stora data inte behöver förplaneras på samma sätt. Vid traditionellt beslutsstöd finns ofta ett informationslager, där själva beslutsstödsverktyget ligger ovanpå. Att analysera stora data både ger möjlighet till och kräver mer dynamik. I grunden måste det finnas ett fungerande ramverk för att genomföra analyser av stora data, men det behöver inte vara ett traditionellt informationslager,
Den som går i funderingar på att börja använda sig av analysverktyg för stora data bör dessutom inte begränsa sig till de stora, kända ramverken, som Hadoop. Just Hadoop är visserligen den teknik som ursprungligen har förknippats med analyser stora data, och visst är just det verktyget hett. Men det finns också helt andra verktyg. Exempelvis är sökmotorjätten Lexus Nexus inriktad på bland annat juridiska spörsmål. Företaget har tidigare gjort sin mjukvaruplattform för dataanalys till öppen källkod.
Vid traditionellt beslutsstöd behöver man först veta exakt vilken typ av analyser som ska göras, och därefter se till att rätt data finns tillgängliga. Det här är tvärtom vid stora data, där man bör ha ett ramverk i botten som möjliggör många olika typer av analyser, i olika syften.
Men tekniken har gått från att vara en nischprodukt, till att vara väg in i allt fler företags kärnverksamhet, däribland hälso- och sjukvård, offentlig sektor, handel och industri. Syftet blir i allt högre utsträckning att skapa bättre affärer, enligt en rapport från konsultjätten McKinsey. Där hävdas att verktygen också kan ge bättre affärsinsikter om kundernas beteenden, för att utvecklar nya produkter och tjänster.
Själva analyserna är i sig inte nya, men nytt är däremot att analyserna kan göras med högre nogrannhet än tidigare och att man inte bara behöver begränsa sig till relationsdata. Det går exempelvis att analysera stora mängder loggfiler eller sensordata för att få ökade insikter om vad kunderna eller besökarna vill ha. För att det ska ske så krävs enligt konsultföretaget att företaget tillför ny kompetens, eftersom tekniken dels kräver specialkompetens, dels eftersom stora data finns på så många ställen i så många olika former att det behövs personer som både förstår data- och affärsaspekterna.
Samtidigt skiljer sig tekniken från traditionellt beslutsstöd eftersom analyserna av stora data inte behöver förplaneras på samma sätt. Vid traditionellt beslutsstöd finns ofta ett informationslager, där själva beslutsstödsverktyget ligger ovanpå. Att analysera stora data både ger möjlighet till och kräver mer dynamik. I grunden måste det finnas ett fungerande ramverk för att genomföra analyser av stora data, men det behöver inte vara ett traditionellt informationslager,
Den som går i funderingar på att börja använda sig av analysverktyg för stora data bör dessutom inte begränsa sig till de stora, kända ramverken, som Hadoop. Just Hadoop är visserligen den teknik som ursprungligen har förknippats med analyser stora data, och visst är just det verktyget hett. Men det finns också helt andra verktyg. Exempelvis är sökmotorjätten Lexus Nexus inriktad på bland annat juridiska spörsmål. Företaget har tidigare gjort sin mjukvaruplattform för dataanalys till öppen källkod.
Vid traditionellt beslutsstöd behöver man först veta exakt vilken typ av analyser som ska göras, och därefter se till att rätt data finns tillgängliga. Det här är tvärtom vid stora data, där man bör ha ett ramverk i botten som möjliggör många olika typer av analyser, i olika syften.
